全文共 2271 字，阅读需要 4 分钟。

人工智能是2017年当之无愧的风口，当看到一条条人工智能大胜人类的“喜讯”传来时，我们总是好奇中带着一点慌张，惊喜中夹杂着些许悲凉。

 

对于正在一线拼杀的人工智能创业者而言，这些五味陈杂的情感也更为浓厚。他们中间的很多人总想以技术论英雄，但事实上，人工智能创业，成败却很少以单纯的技术来论。

 

云天励飞是一家专注在视觉人工智能领域的公司，已经率先在智能安防领域完成了商业化落地，本期“创投笔记”邀请了云天励飞的创始人陈宁博士来分享：人工智能创业，除了技术外，还要学会哪些生存技能？

以下，enjoy~

人工智能的转折点要来了。但是，我认为人工智能的真正爆发还需要一个艰苦卓绝的过程。

人工智能很多技术并不成熟，像云识别、人脸识别、图片分类等语音和视觉的技术，也是最近几年得到了突飞猛进的发展，所以它在市场上也没有成熟的产品，更没有成熟的商业模式。

另外，人工智能具有非常强的特殊性，它涉及的面非常广，目前只是有一些技术点成熟，并不是像大家想的那样现在就会全面爆发，事实上人工智能的产业化还有一段漫长的路要走。

对于创业者而言，更是如此，具体而言，除了专心做好技术外，有以下几点经验和同行共勉。

做“端到端”的应用，而非AI平台。

为什么人工智能创业一定做端到端的应用，而非AI（人工智能）平台，原因有三个：

1，人工智能的基础技术还没有那么成熟；

2，下游的产业链的理解能力和基础条件都不成熟；

3，现在做平台，极易会被用户五花八门的需求误导。

举个例子，早期做人脸识别安防的公司都是通过软件开发工具包（SDK），把算法打个包交给大的集成商。这也是为什么我们刚开始十分困难的原因——因为资本方都不太看好一家科技公司直接做一个完整的安防解决方案。他们都比较认可SDK这种平台式的解决方案。

但是实践证明,从2016年开始，基本上所有的原来提供SDK算法的公司都开始自己做垂直的解决方案。

传统安防厂商的技术决定了他们对技术的边界条件理解不透彻。他们没有能力定义技术的边界条件，并且SDK一打包，可能会把很多东西隐藏掉。下游的集成商也没有这个能力去清晰地定义边界条件，还会被用户五花八门的需求所误导。

比如说在人脸识别这一块，很多用户的第一需求是布控，到今天很多公司还在宣传布控的亮点，但要不要满足这个需求我认为还是存在商榷的。

而当你做“端到端”的解决方案时，就可以避免这些不必要的情况。你可以清晰地把控住所有流程，避免出现超出技术边界条件以外的情况发生。从前期摄像头的架设，到后台视觉搜索引擎的数据分析，乃至整体的解决方案，都处在当下技术可达到的范围之内，可以力求在边界条件以内达到最优质的体验。

要有基于AI的“go-to-market”的策略

常常有人问我，AI的创业公司的市场及PR能力都太弱，问我是否担忧这一点。我想说，担忧肯定会有一点，但这未必是要求你的市场或者PR能力更高。

为什么？

AI公司一定要聚焦到细分市场上，当你只专注于一款产品时，就未必需要有更高的市场推广能力。

另外，AI的市场策略与其他行业不同，它是不可复制的。每一个AI公司的市场策略都跟这家公司团队的基因、瞄准的细分市场、核心的技术壁垒有关，只能根据你自身的特点、优势和团队立场去打造自己的“go-to-market”策略。

对比较成熟的产品，比如说海康，他是做摄像头的。在早期，他们更关键的可能是铺货、控制成本，尤其在摄像头技术相对成熟，没有很高的技术壁垒的情况下，那你的优势就是成本和品牌。那么它一定会通过各种降价、降低成本的方式来挤压对手，占领市场份额，利用资本的优势获胜。

但人工智能不一样，他是一个全新的技术，他能做什么，用户放心不放心，这都是未知数。所以当你面对这样的一个市场时，你就要采取不同的市场策略。

2014年云天励飞刚起步时，国内的动态人脸识别市场还未打开，大家都不信任这个系统。这个时候我们的市场策略就是不断地去说服客户，不断地去教育市场这个技术真的成熟了。

然后不断地去精雕细琢这个产品，把他的技术先进性体现出来，用实实在在的效果去征服客户。

一定要有懂得跨界的行业专家

早期的安防市场，大家都是用一个平台打天下，把一个SDK算法打包给集成商就万事大吉了。所以他们就是只做中间的这一层，让所有人都能用。

但如果你要做垂直的应用，就要横跨很多不同的领域，但这不是说几个领域的专家往一块一坐就能简单地把事情搞定的，他需要的是一个跨界的融合。做算法的同时也要理解芯片和数据，做数据的同时也要理解算法和芯片。他不一定是多领域的专家，但他一定需要有一个跨界的思想。

所以，一个团队是跨界的人组成的还不够，还需要每个人都具备跨界的思维和能力。

这就是云天励飞的核心优势。从我和我们的联合创始人田博士来看，我们本身就是十六年前美国的博士同学，他一直是在计算机视觉领域，而我是在处理器硬件芯片设计这个领域。我们两个人的背景又都是学信号处理的，只是在工作期间往不同的方向发展了。

To B应用更有利于技术沉淀

很多AI公司一上来就要去做to C的产品，我不是说to C完全没有可能，只是在当下有限技术条件下，AI并不太合适去成为to C产品的核心功能点。

究其原因，目前人工智能领域to C产品的颠覆性并不是来自技术本身，而是来自于模式创新。它的爆发通常是基于相对成熟的技术，这样才有可能满足用户对体验比较苛刻的要求。然后通过一个商业模式的创新，快速的扩展用户量，进而造就软件的成功。

像微信，它就是一个聊天软件，没有什么技术的创新点，更多的是商业模式、用户体验的创新，还有后来的Snapchat的阅后即焚功能也不是一个全新的技术创新，更多的是概念上的创新。

事实上，人工智能的应用就是要清晰地定义出一些已经成熟技术的边界条件，然后与行业应用相结合。但是to C的需求是开放的，行业内的需求却是可以定义出边界条件的。

因而，在人工智能刚起步的当下，to B的行业应用显然更有利于技术的沉淀。当我们设计出一款应用于行业的AI产品后，就通过它去积累行业数据和算法，形成一个良性的循环，通过不断地迭代让算法逐步将边界条件放松，进而推动算法和技术的进一步发展。

点击 关键词 查看往期内容

周鸿祎 | 张泉灵 | 徐小平 | 李开复 | 柳传志 | 黎瑞刚 | 林依轮 | 杨浩涌 | 戴自更 | 俞敏洪 |  张近东 |  井贤栋 | 田溯宁 | 郭为 | 汪潮涌 | 张近东 | 孙继海 | 陈彤 | 汪丛青 | 刘作虎 | 冯大辉 | 吴甘沙 | 邱浩 | 毛大庆 | 张维迎 |  胡彦斌 | 盛希泰 | 阎焱 | 李丰 | 熊晓鸽